企業(yè)在有了前兩個(gè)階段的基礎(chǔ)之后，關(guān)注點(diǎn)會(huì)進(jìn)一步超越當(dāng)前，開始思考更貼近經(jīng)營上的問題：“將來會(huì)發(fā)生什么”。
從本質(zhì)上說預(yù)測(cè)就是根據(jù)零售企業(yè)所過去發(fā)生的事件以及當(dāng)前實(shí)時(shí)的影響因素，對(duì)于銷售額、利潤率、成本等未來的取值做出自動(dòng)化和智能化的估計(jì)。簡(jiǎn)單的分析對(duì)于估算暢銷概率的作用有限，在大多數(shù)復(fù)雜的應(yīng)用中，需要建立數(shù)學(xué)模型來還原零售的業(yè)務(wù)規(guī)律。
例如建立銷售預(yù)測(cè)模型來量化銷量的影響因素及各因素之間的交互影響、建立定價(jià)優(yōu)化模型來還原價(jià)格與銷量之間的關(guān)系并找到最科學(xué)的價(jià)格以實(shí)現(xiàn)經(jīng)營目標(biāo)。而建立模型的目的就是將之前各個(gè)角落里的經(jīng)驗(yàn)用數(shù)學(xué)的形式表現(xiàn)出來，雖然并不是十全十美，但會(huì)無限逼近真實(shí)情況。
要建立數(shù)學(xué)模型要解決三個(gè)問題，首先是數(shù)據(jù)的量要達(dá)到一定的規(guī)模和質(zhì)量；其實(shí)是用什么樣的算法，如用時(shí)間序列還是回歸或是人工智能算法；第三是“數(shù)據(jù)+算法”可以圍繞什么業(yè)務(wù)場(chǎng)景，建立什么樣的模型及參數(shù)。
例如Google的工程師從眾多關(guān)于流感的關(guān)鍵詞組合中，挑出45個(gè)重要檢索詞條作為特征，訓(xùn)練了一個(gè)線性回歸模型來預(yù)測(cè)2007年和2008年流感傳播的趨勢(shì)、時(shí)間和地點(diǎn)，該模型預(yù)測(cè)結(jié)果的準(zhǔn)確率最后高達(dá)97%，而該模型完全可以和關(guān)于流感的商品如口罩、營養(yǎng)食品、非處方藥品等銷售建立起聯(lián)系，構(gòu)建“流感商品銷售指數(shù)”，來指導(dǎo)這些商品在特定時(shí)間、地點(diǎn)的具體銷售數(shù)量。
再例如7-Eleven零售門店通過衛(wèi)星云圖了解到兩天后氣溫將上升兩度，會(huì)提前訂購比平常銷量多30%的礦泉水。
第四階段丨指導(dǎo)決策
這一階段側(cè)重于對(duì)業(yè)務(wù)、營運(yùn)、經(jīng)營、戰(zhàn)略的決策的指導(dǎo)，回答的問題其實(shí)就是：“我應(yīng)該做什么”才能達(dá)到最佳的狀態(tài)。前三個(gè)階段都不是終極目的，例如銷售預(yù)測(cè)不是為了預(yù)測(cè)而預(yù)測(cè)，預(yù)測(cè)準(zhǔn)確率達(dá)到100%又如何，關(guān)鍵是做了預(yù)測(cè)以后能給企業(yè)的決策行為帶來什么樣的幫助，對(duì)于零售企業(yè)而言，銷售預(yù)測(cè)以后緊接著的行為就是補(bǔ)貨，補(bǔ)貨過程中就會(huì)涉及到多級(jí)庫存管理。
而補(bǔ)貨行為又驅(qū)動(dòng)了后續(xù)的采購、生產(chǎn)、物流、倉儲(chǔ)等行為，同時(shí)企業(yè)的決策層可以根據(jù)未來的預(yù)測(cè)來做出是否要開設(shè)渠道、建立工廠、購買倉庫等重要戰(zhàn)略決策，這些行為的決策都是建立在前三個(gè)階段之上的。同時(shí)決策模擬也是這個(gè)階段的重要應(yīng)用，針對(duì)零售流程中的隨機(jī)因素，引入各種約束條件，構(gòu)建出若干個(gè)相互關(guān)聯(lián)的場(chǎng)景模型來全真模擬真實(shí)情景，從而事先預(yù)知各種決策可能的結(jié)果，提高決策準(zhǔn)確性。
大數(shù)據(jù)時(shí)代已經(jīng)悄然來臨，不懂大數(shù)據(jù)就做不了大生意，未來甚至做不了生意。
我所接觸的不少中國零售企業(yè)對(duì)于大數(shù)據(jù)的分析應(yīng)用都處在第一或者第二階段，也有少數(shù)企業(yè)如京東、華為處在第三甚至初步進(jìn)入第四階段，雖然不少企業(yè)所處的階段還比較低，但是至少有兩點(diǎn)讓我看到了希望：很多企業(yè)的數(shù)據(jù)基礎(chǔ)都很不錯(cuò)，積攢了大量的數(shù)據(jù)，同時(shí)很多零售企業(yè)對(duì)于大數(shù)據(jù)應(yīng)用的意愿和興趣都非常強(qiáng)烈和熱切。
這些企業(yè)對(duì)于自身的業(yè)務(wù)也非常的精通，只是受制于算法、人才、技術(shù)等對(duì)于如何把業(yè)務(wù)和數(shù)據(jù)結(jié)合在一起產(chǎn)生價(jià)值還不甚清楚，但是這些未來都不會(huì)成為中國零售企業(yè)對(duì)于大數(shù)據(jù)孜孜追求的障礙，因?yàn)槲磥硪欢〞?huì)出現(xiàn)大量的第三方公司來提供專業(yè)的數(shù)據(jù)分析、建模和優(yōu)化服務(wù)，幫助企業(yè)早日邁入數(shù)據(jù)驅(qū)動(dòng)決策階段。